Associations of Low- and High-Intensity Light Activity with Cardiometabolic Biomarkers
Notice bibliographique
Résumé
PURPOSE: Light-intensity physical activity (LIPA) accounts for much of adults' waking hours (≈40%) and substantially contributes to overall daily energy expenditure. Encompassing activity behaviors of low intensity (standing with little movement) to those of higher intensity (slow walking), LIPA is ubiquitous, yet little is known about how associations with health may vary depending on its intensity. We examined the associations of objectively assessed LIPA (categorized as either low LIPA [LLPA] or high LIPA [HLPA]) and moderate- to vigorous-intensity activity with cardiometabolic risk biomarkers. METHODS: Cardiometabolic biomarkers were measured in 4614 US adults (47 ± 17 yr) who participated in the 2003-2004 and 2005-2006 National Health and Nutrition Examination Survey cycles. Multiple linear regression analyses examined the associations of three accelerometer-derived physical activity (SD increment per day) intensity categories (LLPA, 100-761 counts per minute; HLPA, 762-1951 counts per minute; moderate-intensity physical activity [MPA], 1952-5724 counts per minute; vigorous-intensity physical activity [VPA], ≥5725 counts per minute) with cardiometabolic biomarkers, adjusting for potential sociodemographic, behavioral, and medical confounders. RESULTS: All intensities of physical activity were beneficially associated with waist circumference, C-reactive protein, triglycerides, fasting insulin, β-cell function, and insulin sensitivity (P < 0.05); only some activity intensities showed significant associations with systolic blood pressure (LLPA), body mass index, HDL cholesterol, fasting glucose, and 2-h plasma glucose (HLPA, MPA, and VPA). Generally, effect size increased with intensity of physical activity. Overall, further adjustment for waist circumference attenuated associations with MPA and VPA to a greater extent than associations with LLPA and HLPA. CONCLUSIONS: The cross-sectional findings provide novel evidence for the potential benefits of increasing both LLPA and HLPA. They further reinforce the established importance of moderate- to vigorous-intensity activity, the mainstay of public health recommendations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».